CN115544257A - 网盘文档快速分类方法、装置、网盘及存储介质 - Google Patents
网盘文档快速分类方法、装置、网盘及存储介质 Download PDFInfo
- Publication number
- CN115544257A CN115544257A CN202211486640.9A CN202211486640A CN115544257A CN 115544257 A CN115544257 A CN 115544257A CN 202211486640 A CN202211486640 A CN 202211486640A CN 115544257 A CN115544257 A CN 115544257A
- Authority
- CN
- China
- Prior art keywords
- documents
- classified
- determining
- parameter
- similarity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000003287 optical effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开了一种网盘文档快速分类方法、装置、网盘及存储介质,其中,所述方法包括:获取待分类文档的引用信息;根据所述引用信息确定待分类文档之间的引用层级;根据所述引用信息确定引用权重系数;根据所述引用层级和引用权重系数计算引用关系参数;计算待分类文档之间关键词近似度参数;根据所述引用关系参数和关键词近似度参数计算待分类文档两两之间的近似度,并根据所述近似度对待分类文档进行分类。充分考虑了文档之间的引用关系,进而提升了文档分类的准确性。
Description
技术领域
本发明涉及网盘技术领域,尤其涉及一种网盘文档快速分类方法、装置、网盘及存储介质。
背景技术
网盘,是由互联网公司推出的在线存储服务。网盘系统机房为用户划分一定的磁盘空间,为用户免费或收费提供文件的存储、访问、备份、共享等文件管理等功能,并且拥有高级的世界各地的容灾备份。
对于企业网盘,其中存储海量文档文件,为提高文档的使用效率,以及提高文档的查找效率。网盘会经常对文档进行归档分类整理,以提高网盘文档的使用效率,提升企业办公效率。
在实现本发明的过程中,发明人发现如下技术问题:目前对网盘文档的分类普遍采用传统的关键词匹配方法,即提取多个文档的关键词,根据关键词的重合度进行文档分类。然而,该种方式只能未考虑文档之间的依赖关系,使得文档分类准确性较低。
发明内容
本发明实施例提供了一种网盘文档快速分类方法、装置、网盘备及存储介质,以解决现有技术中网盘文档快速分类依托于关键词重合度技术导致分类准确性较低的技术问题。
第一方面,本发明实施例提供了一种网盘文档快速分类方法,包括:
获取待分类文档的引用信息;
根据所述引用信息确定待分类文档之间的引用层级;
根据所述引用信息确定引用权重系数;
根据所述引用层级和引用权重系数计算引用关系参数;
计算待分类文档之间关键词近似度参数;
根据所述引用关系参数和关键词近似度参数计算待分类文档两两之间的近似度,并根据所述近似度对待分类文档进行分类。
第二方面,本发明实施例还提供了一种网盘文档快速分类装置,包括:
获取模块,用于获取待分类文档的引用信息;
引用层级确定模块,用于根据所述引用信息确定待分类文档之间的引用层级;
权重系数确定模块,用于根据所述引用信息确定引用权重系数;
引用关系参数计算模块,用于根据所述引用层级和引用权重系数计算引用关系参数;
近似度参数计算模块,用于计算待分类文档之间关键词近似度参数;
分类模块,用于根据所述引用关系参数和关键词近似度参数计算待分类文档两两之间的近似度,并根据所述近似度对待分类文档进行分类。
第三方面,本发明实施例还提供了一种网盘,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述实施例提供的网盘文档快速分类方法。
第四方面,本发明实施例还提供了包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如上述实施例提供的网盘文档快速分类方法。
本发明实施例提供的网盘文档快速分类方法、装置、网盘及存储介质,通过获取待分类文档的引用信息;根据所述引用信息确定待分类文档之间的引用层级;根据所述引用信息确定引用权重系数;根据所述引用层级和引用权重系数计算引用关系参数;计算待分类文档之间关键词近似度参数;根据所述引用关系参数和关键词近似度参数计算待分类文档两两之间的近似度,并根据所述近似度对待分类文档进行分类。通过网盘文档中的引用信息,提取出对应引用层级,并根据引用信息获取到对应的引用强度,进而确定对应的引用权重系数,并通过引用权重系数和引用层级计算可充分表征文档之间引用关系的引用关系参数。利用引用关系参数对关键词近似度参数进行调整,进而得到准确的文档近似度。并利用文档之间的近似度进行分类。充分考虑了文档之间的引用关系,进而提升了文档分类的准确性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1是本发明实施例一提供的网盘文档快速分类方法的流程示意图;
图2是本发明实施例二提供的网盘文档快速分类方法的流程示意图;
图3是本发明实施例三提供的网盘文档快速分类方法的流程示意图;
图4是本发明实施例四提供的网盘文档快速分类装置的结构示意图;
图5是本发明实施例五提供的网盘的结构图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的网盘文档快速分类方法的流程图,本实施例可适用于对网盘文档准确进行分类的情况,该方法可以由网盘文档快速分类装置来执行,并可集成于网盘中,具体包括如下步骤:
步骤110,获取待分类文档的引用信息。
网盘中可存储海量文档,并可为每个文档设置多种属性,并将属性作为元数据存储于网盘数据库中。在本实施例中,网盘中的文档设有引用属性,利用引用属性获取对应的引用信息。
可选的,所述获取待分类文档的引用信息,可以包括:读取所述待分类文档中的引用属性;解析引用属性,得到引用信息。可选的,所述引用信息可以包括:引用关系,引用内容在文档中的位置、字数等信息。
步骤120,根据所述引用信息确定待分类文档之间的引用层级。
由于文档之间可能存在多层引用关系,例如:文档A引用文档B,文档B引用文档C,此时,文档A与文档C之间存在间接引用关系。而间接引用关系也说明了文档之间的关联性,因此,也需要确定待分类文档之间互相的引用层级关系。
可选的,所述根据所述引用信息确定待分类文档之间的引用层级,可以包括:根据所述引用信息确定引用关系;根据所述引用关系建立引用关系树;根据所述引用关系树确定待分类文档之间的引用层级。根据引用信息中的引用关系,通过建立引用关系树,便于确定多层引用关系。进而确定引用文档之间的引用层级。
步骤130,根据所述引用信息确定引用权重系数。
文档之间虽然存在引用关系,但不能完全体现文档之间的近似和依赖程度。因此,在本实施例中,引入引用权重系数,用于体现引用文档之间对引用的依赖程度。示例性的,可以根据所述引用信息来确定引用权重系数。
示例性的,可以通过引用信息中引用频次,引用的内容重复度等信息确定引用权重系数。如果引用频次较高,则可设定较高的权重系数。如果引用内容重复度较高,则说明引用只是用于说明一个问题,则可设定较低的权重系数。
示例性的,所述根据所述引用信息确定引用权重系数,可以包括:根据所述引用信息中确定引用内容的所在段落以及段落位置;根据段落号和相应的段落位置比值确定引用权重系数。
在文档之间互相引用过程中,部分引用是用于说明原来文档中介绍的发展情况和存在的问题。在此种情况下,文档和引用文档之间的依赖程度较低。而另外一种引用,则是说明本文档与引用文档之间存在着密切关联。二者主要在文档的所在段落和段落位置有所体现。在第一种情况下,通常引用出现在文档前几段中,用于进行介绍;而后一种情况则是通常在文档的正文部分。因此,可根据段落和段落位置来确定引用权重系数。所述段落位置可以为在具体段落中的第几句。相应的,可以根据预设的段落号对应的比值和段落位置对应的比值,确定引用权重系数。
此外,所述根据所述引用信息确定引用权重系数,还可以包括:根据所述引用信息中确定引用次数和引用内容对应的字符数量;根据引用次数和引用内容对应的字符数量确定引用权重系数。相应的,如果对一篇文档多次引用,则可以说明本文档对引用的文档依赖程度较高。并且,如果引用内容较多,也可说明对引用的文档依赖程度较高。因此,也可根据引用次数和引用内容对应的字符数量确定引用权重系数。示例性的,可预先设置引用次数和字符数量和引用权重系数的对应表,通过查表方式确定引用权重系数。
针对多层引用的情况,可以根据每个层级对应的权重系数,根据结合级别进行综合运算得出。示例性的,可以按照每个层级对应的权重系数与层级相乘依次相加并除以总的层级数,得到多层引用的引用权重系数。
步骤140,根据所述引用层级和引用权重系数计算引用关系参数。
由于不同文档之间涉及到多层引用,因此,需要根据层级和对应的引用权重系数来计算引用关系参数。即两篇文档之间可能既存在直接引用,也存在着间接引用关系。因此,可根据所述引用层级和引用权重系数计算引用关系参数。示例性的,可将1与层级数的比值乘以引用权重系数得到引用关系参数。
步骤150,计算待分类文档之间关键词近似度参数。
文档之间的关键词仍然是文档分类的重要标准,因此,在本实施例中,需要计算待分类文档之间的关键词近似度。可选的,可先对文档进行分词,然后利用TF-IDF方式获取到关键词,并利用word2vec方式,计算两篇文档中每个关键词之间的词向量表达,并将所有词向量表达之和作为近似度参数。
步骤160,根据所述引用关系参数和关键词近似度参数计算待分类文档两两之间的近似度,并根据所述近似度对待分类文档进行分类。
上述引用关系参数和关键词近似度参数都是针对两个文档之间的关系计算得出,因此,可根据所述引用关系参数和关键词近似度参数计算待分类文档两两之间的近似度。在二者近似度小于预设的阈值时,可认为同一类文档,反之,则不属于同一类文档。利用上述方式,可完成对待分类文档的分类。
本发明实施例通过通过获取待分类文档的引用信息;根据所述引用信息确定待分类文档之间的引用层级;根据所述引用信息确定引用权重系数;根据所述引用层级和引用权重系数计算引用关系参数;计算待分类文档之间关键词近似度参数;根据所述引用关系参数和关键词近似度参数计算待分类文档两两之间的近似度,并根据所述近似度对待分类文档进行分类。通过网盘文档中的引用信息,提取出对应引用层级,并根据引用信息获取到对应的引用强度,进而确定对应的引用权重系数,并通过引用权重系数和引用层级计算可充分表征文档之间引用关系的引用关系参数。利用引用关系参数对关键词近似度参数进行调整,进而得到准确的文档近似度。并利用文档之间的近似度进行分类。充分考虑了文档之间的引用关系,进而提升了文档分类的准确性。
实施例二
图2为本发明实施例二提供的网盘文档快速分类方法的流程示意图。本实施例以上述实施例为基础进行优化,在本实施例中,将所述根据所述近似度对待分类文档进行分类,具体优化为:根据所述近似度构建待分类文档的近似度矩阵;对所述近似度矩阵采用聚类方法进行聚类,得到聚类结果;根据所述聚类结果对待分类文档进行分类。
相应的,本实施例所提供的网盘文档快速分类方法,具体包括:
步骤210,获取待分类文档的引用信息。
步骤220,根据所述引用信息确定待分类文档之间的引用层级。
步骤230,根据所述引用信息确定引用权重系数。
步骤240,根据所述引用层级和引用权重系数计算引用关系参数。
步骤250,计算待分类文档之间关键词近似度参数。
步骤260,根据所述引用关系参数和关键词近似度参数计算待分类文档两两之间的近似度。
步骤270,根据所述近似度构建待分类文档的近似度矩阵。
示例性的,可以根据N个待分类文件之间的近似度生成近似度矩阵,每个元素对应的值为两篇文档之间的近似度。生成的近似度矩阵如下:
其中,θab为矩阵中的元素,a为文档a,b为文档b,c为文档c,θab表示文档a和文档b的近似度,θac表示文档a和文档c的近似度,n为文档的总数量,依此类推,θan表示文档a和文档n的近似度,θ(n-1)n表示为文档(n-1)和文档n的近似度。
此外,还可对近似度进行排序,以使得近似度最高的文档,也即元素值最高的元素位于近似度矩阵对角线上,并将其它值按照大小在两侧均匀分布。
步骤280,对所述近似度矩阵采用Kmeans聚类方法进行聚类,得到聚类结果。
k均值聚类算法(k-means clustering algorithm)是一种迭代求解的聚类分析算法,其步骤是,预将数据分为K组,则随机选取K个对象作为初始的聚类中心,然后计算每个对象与各个种子聚类中心之间的距离,把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本,聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。
示例性的,可以将近似度矩阵对角线上的元素对应的文档作为起始聚类中心,利用近似值作为向量在空间进行排布,进而计算之间的距离,形成聚类结果。利用上述方式,无需随机选取对象作为聚类中心。可有效减少计算强度。进而提高聚类效率。同时,在加入新文档时,可只计算与上述矩阵中对角线对应的文档之间的近似度,进行聚类分析。无需计算与所有文档的近似度,进而提升了文档分类的效率,实现快速分类的效果。
步骤290,根据所述聚类结果对待分类文档进行分类。
利用Kmeans聚类方法可将文档分类,得到相应的多个聚类群,因此,可根据文档聚类结果得到对应的文档分类结果。
本实施例通过将所述根据所述近似度对待分类文档进行分类,具体优化为:根据所述近似度构建待分类文档的近似度矩阵;对所述近似度矩阵采用聚类方法进行聚类,得到聚类结果;根据所述聚类结果对待分类文档进行分类。能够根据近似度预先选取对应的初始的聚类中心,可有效减少计算强度。进而提高聚类效率。同时,在加入新文档时,可只计算与上述矩阵中对角线对应文档之间的近似度,进行聚类分析。无需计算与所有文档的计算度,进而提升了文档分类的效率,实现快速分类的效果。
实施例三
图3为本发明实施例三提供的网盘文档快速分类方法的流程示意图。本实施例以上述实施例为基础进行优化,在本实施例中,将所述根据所述引用关系参数和关键词近似度参数计算待分类文档两两之间的近似度,进一步优化为:在对网盘文档进行关联性分类时,将引用关系参数和关键词近似度参数计算之和作为待分类文档两两之间的近似度。
相应的,本实施例所提供的网盘文档快速分类方法,具体包括:
步骤310,获取待分类文档的引用信息。
步骤320,根据所述引用信息确定待分类文档之间的引用层级。
步骤330,根据所述引用信息确定引用权重系数。
步骤340,根据所述引用层级和引用权重系数计算引用关系参数。
步骤350,计算待分类文档之间关键词近似度参数。
步骤360,在对网盘文档进行关联性分类时,将引用关系参数和关键词近似度参数计算之和作为待分类文档两两之间的近似度,并根据所述近似度对待分类文档进行分类。
网盘文档快速分类可设置不同目的,并对分类过程进行调整。示例性的,如果为关联性分类,则不仅需要考虑关键词相近程度,同时也需要考虑引用关系。因此,在本实施例中,可将引用关系参数和关键词近似度参数计算之和作为待分类文档两两之间的近似度,并根据所述近似度对待分类文档进行分类。
示例性的,可通过如下方式计算待分类文档两两之间的近似度:
其中,θab为文档a和文档b的近似度, i为a文档的第i个关键词,j为b文档的第j个关键词,使用word2vec计算出的关键词i、j的相似度,记为Sij,n为设定的关键词的数量,Rk为a和b的k级引用关系的数量(k=1表示直接引用,k=2表示跨过1个其他文档的引用,k=3表示跨过2个文档的引用),m为计算的最大引用级数,W0表示文档近似度权重,Wk表示引用关系权重。
本实施例通过将所述根据所述引用关系参数和关键词近似度参数计算待分类文档两两之间的近似度,进一步优化为:在对网盘文档进行关联性分类时,将引用关系参数和关键词近似度参数计算之和作为待分类文档两两之间的近似度。可根据不同的分类目的对近似度计算方式进行优化调整,进而得到相对更为准确的分类结果。
在本实施例的一个优选实施方式中,还可将所述根据所述引用关系参数和关键词近似度参数计算待分类文档两两之间的近似度,进一步优化为:在对网盘文档进行特征分类时,将关键词近似度参数与引用关系参数之间的比例差值作为待分类文档两两之间的近似度。特征分类是指文档之间的内容关系的特征的近似程度。在该种情况下,应尽可能减少引用的影响,因此,在本实施例中,可将关键词近似度参数与引用关系参数之间的比例差值作为待分类文档两两之间的近似度。示例性的,可通过如下方式计算:
实施例四
图4是本发明实施例五提供的网盘文档快速分类装置的结构示意图,如图4所示,所述装置包括:
获取模块410,用于获取待分类文档的引用信息;
引用层级确定模块420,用于根据所述引用信息确定待分类文档之间的引用层级;
权重系数确定模块430,用于根据所述引用信息确定引用权重系数;
引用关系参数计算模块440,用于根据所述引用层级和引用权重系数计算引用关系参数;
近似度参数计算模块450,用于计算待分类文档之间关键词近似度参数;
分类模块460,用于根据所述引用关系参数和关键词近似度参数计算待分类文档两两之间的近似度,并根据所述近似度对待分类文档进行分类。
本实施例提供的网盘文档快速分类装置,通过获取待分类文档的引用信息;根据所述引用信息确定待分类文档之间的引用层级;根据所述引用信息确定引用权重系数;根据所述引用层级和引用权重系数计算引用关系参数;计算待分类文档之间关键词近似度参数;根据所述引用关系参数和关键词近似度参数计算待分类文档两两之间的近似度,并根据所述近似度对待分类文档进行分类。通过网盘文档中的引用信息,提取出对应引用层级,并根据引用信息获取到对应的引用强度,进而确定对应的引用权重系数,并通过引用权重系数和引用层级计算可充分表征文档之间引用关系的引用关系参数。利用引用关系参数对关键词近似度参数进行调整,进而得到准确的文档近似度。并利用文档之间的近似度进行分类。充分考虑了文档之间的引用关系,进而提升了文档分类的准确性。
在上述各实施例的基础上,所述获取模块包括:
读取单元,用于读取所述待分类文档中的引用属性;
解析单元,用于解析引用属性,得到引用信息。
在上述各实施例的基础上,所述引用层级确定模块包括:
引用关系确定单元,用于根据所述引用信息确定引用关系;
建立单元,用于根据所述引用关系建立引用关系树;
引用层级确定单元,用于根据所述引用关系树确定待分类文档之间的引用层级。
在上述各实施例的基础上,所述权重系数确定模块包括:
段落以及段落位置确定单元,用于根据所述引用信息中确定引用内容的所在段落以及段落位置;
引用权重系数确定单元,用于根据段落号和相应的段落位置比值确定引用权重系数。
在上述各实施例的基础上,所述权重系数确定模块包括:
字符数量确定单元,用于根据所述引用信息中确定引用次数和引用内容对应的字符数量;
引用权重系数确定单元,用于根据引用次数和引用内容对应的字符数量确定引用权重系数。
在上述各实施例的基础上,所述分类模块包括:
第一近似度计算单元,用于在对网盘文档进行特征分类时,将关键词近似度参数与引用关系参数之间的比例差值作为待分类文档两两之间的近似度。
在上述各实施例的基础上,所述分类模块包括:
第二近似度计算单元,用于在对网盘文档进行关联性分类时,将引用关系参数和关键词近似度参数计算之和作为待分类文档两两之间的近似度。
在上述各实施例的基础上,所述分类模块,包括:
构建单元,用于根据所述近似度构建待分类文档的近似度矩阵;
聚类单元,用于对所述近似度矩阵采用Kmeans聚类方法进行聚类,得到聚类结果;
分类单元,用于根据所述聚类结果对待分类文档进行分类。
本发明实施例所提供的网盘文档快速分类装置可执行本发明任意实施例所提供的网盘文档快速分类方法,具备执行方法相应的功能模块和有益效果。
实施例五
图5为本发明实施例五提供的一种网盘的结构示意图。图5示出了适于用来实现本发明实施方式的示例性网盘12的框图。图5显示的网盘12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,网盘12以通用计算设备的形式表现。网盘12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
网盘12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被网盘12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存32。网盘12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM, DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如系统存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
网盘12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该网盘12交互的设备通信,和/或与使得该网盘12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,网盘12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与网盘12的其它模块通信。应当明白,尽管图中未示出,可以结合网盘12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的网盘文档快速分类方法。
实施例六
本发明实施例六还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如上述实施例提供的任一所述的网盘文档快速分类方法。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (11)
1.一种网盘文档快速分类的方法,其特征在于,包括:
获取待分类文档的引用信息;
根据所述引用信息确定待分类文档之间的引用层级;
根据所述引用信息确定引用权重系数;
根据所述引用层级和引用权重系数计算引用关系参数;
计算待分类文档之间关键词近似度参数;
根据所述引用关系参数和关键词近似度参数计算待分类文档两两之间的近似度,并根据所述近似度对待分类文档进行分类。
2.根据权利要求1所述的方法,其特征在于,所述获取待分类文档的引用信息,包括:
读取所述待分类文档中的引用属性;
解析引用属性,得到引用信息。
3.根据权利要求2所述的方法,其特征在于,所述根据所述引用信息确定待分类文档之间的引用层级,包括:
根据所述引用信息确定引用关系;
根据所述引用关系建立引用关系树;
根据所述引用关系树确定待分类文档之间的引用层级。
4.根据权利要求1所述的方法,其特征在于,所述根据所述引用信息确定引用权重系数,包括:
根据所述引用信息中确定引用内容的所在段落以及段落位置;
根据段落号和相应的段落位置比值确定引用权重系数。
5.根据权利要求1所述的方法,其特征在于,所述根据所述引用信息确定引用权重系数,包括:
根据所述引用信息确定引用次数和引用内容对应的字符数量;
根据引用次数和引用内容对应的字符数量确定引用权重系数。
6.根据权利要求1所述的方法,其特征在于,所述根据所述引用关系参数和关键词近似度参数计算待分类文档两两之间的近似度,包括:
在对网盘文档进行关联性分类时,将引用关系参数和关键词近似度参数计算之和作为待分类文档两两之间的近似度。
7.根据权利要求1所述的方法,其特征在于,所述根据所述引用关系参数和关键词近似度参数计算待分类文档两两之间的近似度,包括:
在对网盘文档进行特征分类时,将关键词近似度参数与引用关系参数之间的比例差值作为待分类文档两两之间的近似度。
8.根据权利要求1所述的方法,其特征在于,所述根据所述近似度对待分类文档进行分类,包括:
根据所述近似度构建待分类文档的近似度矩阵;
对所述近似度矩阵采用Kmeans聚类方法进行聚类,得到聚类结果;
根据所述聚类结果对待分类文档进行分类。
9.一种网盘文档快速分类的装置,其特征在于,包括:
获取模块,用于获取待分类文档的引用信息;
引用层级确定模块,用于根据所述引用信息确定待分类文档之间的引用层级;
权重系数确定模块,用于根据所述引用信息确定引用权重系数;
引用关系参数计算模块,用于根据所述引用层级和引用权重系数计算引用关系参数;
近似度参数计算模块,用于计算待分类文档之间关键词近似度参数;
分类模块,用于根据所述引用关系参数和关键词近似度参数计算待分类文档两两之间的近似度,并根据所述近似度对待分类文档进行分类。
10.一种网盘,其特征在于,所述网盘包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8中任一所述的网盘文档快速分类的方法。
11.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-8任一所述的网盘文档快速分类的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211486640.9A CN115544257B (zh) | 2022-11-25 | 2022-11-25 | 网盘文档快速分类方法、装置、网盘及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211486640.9A CN115544257B (zh) | 2022-11-25 | 2022-11-25 | 网盘文档快速分类方法、装置、网盘及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115544257A true CN115544257A (zh) | 2022-12-30 |
CN115544257B CN115544257B (zh) | 2023-04-11 |
Family
ID=84720730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211486640.9A Active CN115544257B (zh) | 2022-11-25 | 2022-11-25 | 网盘文档快速分类方法、装置、网盘及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115544257B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116011410A (zh) * | 2023-03-27 | 2023-04-25 | 天津联想协同科技有限公司 | 实现文档唤起内容方法、装置、网盘及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007133516A (ja) * | 2005-11-08 | 2007-05-31 | Shin Etsu Polymer Co Ltd | 文書分類方法、文書分類プログラム及び文書分類装置 |
CN109086348A (zh) * | 2018-07-13 | 2018-12-25 | 腾讯科技(深圳)有限公司 | 超链接的处理方法和装置及存储介质 |
CN110134800A (zh) * | 2019-04-17 | 2019-08-16 | 深圳壹账通智能科技有限公司 | 一种文档关系可视化处理方法及装置 |
KR102161666B1 (ko) * | 2020-04-22 | 2020-10-05 | 한밭대학교 산학협력단 | LDA 토픽 모델링과 Word2vec을 활용한 유사 특허 문서 추천 시스템 및 방법 |
CN115061601A (zh) * | 2021-03-01 | 2022-09-16 | 北京字跳网络技术有限公司 | 电子文档的处理方法、装置、终端和存储介质 |
-
2022
- 2022-11-25 CN CN202211486640.9A patent/CN115544257B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007133516A (ja) * | 2005-11-08 | 2007-05-31 | Shin Etsu Polymer Co Ltd | 文書分類方法、文書分類プログラム及び文書分類装置 |
CN109086348A (zh) * | 2018-07-13 | 2018-12-25 | 腾讯科技(深圳)有限公司 | 超链接的处理方法和装置及存储介质 |
CN110134800A (zh) * | 2019-04-17 | 2019-08-16 | 深圳壹账通智能科技有限公司 | 一种文档关系可视化处理方法及装置 |
KR102161666B1 (ko) * | 2020-04-22 | 2020-10-05 | 한밭대학교 산학협력단 | LDA 토픽 모델링과 Word2vec을 활용한 유사 특허 문서 추천 시스템 및 방법 |
CN115061601A (zh) * | 2021-03-01 | 2022-09-16 | 北京字跳网络技术有限公司 | 电子文档的处理方法、装置、终端和存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116011410A (zh) * | 2023-03-27 | 2023-04-25 | 天津联想协同科技有限公司 | 实现文档唤起内容方法、装置、网盘及存储介质 |
CN116011410B (zh) * | 2023-03-27 | 2023-08-11 | 天津联想协同科技有限公司 | 实现文档唤起内容方法、装置、网盘及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115544257B (zh) | 2023-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200356901A1 (en) | Target variable distribution-based acceptance of machine learning test data sets | |
US11455473B2 (en) | Vector representation based on context | |
US20210374610A1 (en) | Efficient duplicate detection for machine learning data sets | |
WO2022126971A1 (zh) | 基于密度的文本聚类方法、装置、设备及存储介质 | |
CA2953959C (en) | Feature processing recipes for machine learning | |
US11263223B2 (en) | Using machine learning to determine electronic document similarity | |
RU2583716C2 (ru) | Метод построения и обнаружения тематической структуры корпуса | |
CN111950279B (zh) | 实体关系的处理方法、装置、设备及计算机可读存储介质 | |
US20210064668A1 (en) | Dynamic Query Processing and Document Retrieval | |
WO2016175785A1 (en) | Topic identification based on functional summarization | |
US20190318191A1 (en) | Noise mitigation in vector space representations of item collections | |
CN110569289A (zh) | 基于大数据的列数据处理方法、设备及介质 | |
CN115544257B (zh) | 网盘文档快速分类方法、装置、网盘及存储介质 | |
TW201820173A (zh) | 去識別化資料產生裝置、方法及其電腦程式產品 | |
US20220121665A1 (en) | Computerized Methods and Systems for Selecting a View of Query Results | |
US20200110834A1 (en) | Dynamic Linguistic Assessment and Measurement | |
CN115934852A (zh) | 税务注册地址时空聚类方法、装置、服务器及存储介质 | |
US11379669B2 (en) | Identifying ambiguity in semantic resources | |
CN110321435B (zh) | 一种数据源划分方法、装置、设备和存储介质 | |
CN113672703A (zh) | 一种用户信息的更新方法、装置、设备及存储介质 | |
CN112784046A (zh) | 文本聚簇的方法、装置、设备及存储介质 | |
CN111985217A (zh) | 一种关键词提取方法及计算设备 | |
CN113032564B (zh) | 特征提取方法、装置、电子设备以及存储介质 | |
US11163954B2 (en) | Propagation of annotation metadata to overlapping annotations of synonymous type | |
US11429579B2 (en) | Building a word embedding model to capture relational data semantics |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |